PENERAPAN DATA MINING MENGGUNAKAN

ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA

PEMBELIAN JENIS MAKANAN DI KEDAI BILQIS

SKRIPSI

Oleh :
Nama : Gani Ahmad Wildan
NPM : 1703010043

TEKNIK INFORMATIKA
FAKULTAS TEKNIK UNIVERSITAS PERJUANGAN
TASIKMALAYA
2022
 LEMBAR PENGESAHAN

USULAN PENELITIAN

Oleh :
Gani Ahmad Wildan
1703010043

Menyetujui,

Tasikmalaya,…………. Tasikmalaya,………….
Pembimbing I Pembimbing II

Prof. Dr. Ana Hadiana, M.Eng. Ruuhwan,S.T., M.Kom

NIDK. 9904018300 NIDN. 0425029001

Mengetahui,

Dekan Fakultas Teknik Ketua Prodi Informatika

Universitas Perjuangan,

Prof. Dr. Ana Hadiana, M.Eng. Gea Aristi, ST., M.Kom

NIDK. 9904018300 NIDN. 0419048903
 LEMBAR PENGESAHAN PENGUJI
Penerapan data mining menggunakan algoritma FP-Growth untuk menentukan pola
pembelian jenis makanan di Kedai Bilqis

USULAN PENELITIAN

Oleh:
Gani Ahmad Wildan
1703010043

Telah dipertanggungjawabkan di dalam Sidang Tugas Akhir

Pada Tanggal …………

Tim Penguji:
__________________________________ _______________________________
Ketua Tanda tangan ketua

______________________ _______________________________
Anggota Tanda tangan anggota
Tasikmalaya, ……………….. Tasikmalaya, ……………...
Pembimbing I Pembimbing II

Prof. Dr. Ana Hadiana, M.Eng. Ruuhwan, S.T., M.Kom.

NIDK. 9904018300 NIDN : 0425029001
Prodi Informatika
Fakultas Teknik Universitas Perjuangan
Jl. Peta No. 177 Kota Tasikmalaya, Kode Pos 46155
 LEMBAR PERNYATAAN KEASLIAN

Saya yang bertanda tangan dibawah ini:

Nama : Gani Ahmad Wildan
NPM : 1703010043
Jurusan/ Program Studi : Teknik Informatika
Menyatakan bahwa Laporan Tugas Akhir yang berjudul “Penerapan data mining
menggunakan algoritma FP-Growth untuk pola pembelian jenis makanan di Kedai
Biqlis” benar-benar merupakan hasil karya pribadi dan bukan merupakan hasil karya
orang lain atau pihak manapun. Seluruh sumber menjadi rujukan dan dikutip dalam
Laporan Tugas Akhir ini telah saya nyatakan dengan benar.

Tasikmalaya, __________________

Gani Ahmad Wildan

NIM. 1703010043
 KATA PENGANTAR

Assalamua’laikum Wr. Wb.

Puji dan syukur senantiasa dipanjatkan kehadirat Allah SWT, yang

melimpahkan rahmat serta hidayah-Nya sehingga dapat menyelesaikan penyusunan

Laporan Usulan penelitian yang berjudul “Penerapan data mining menggunakan

algoritma FP-Growth untuk menentukan pola pembelian jenis makanan di Kedai

Bilqis”

Usulan penelitian ini merupakan salah satu syarat memperoleh gelar sarjana

Prodi Teknik Informatika Fakultas Teknik Universitas Perjuangan. Dalam

penyusunan Laporan Usulan penelitian ini masih jauh dari sempurna. Hal ini

disebabkan karena keterbatasan kemampuan dan pengalaman. Oleh karena itu, kritik

dan saran yang membangun untuk memperbaikan laporan Usulan penelitian ini

sangat diharapkan.

Selesainya penyusunan laporan Kerja Praktek ini tidak terlepas dari bantuan

banyak pihak yang telah memberikan masukan kepada penulis. Untuk itu penulis

mengucapkan terima kasih yang sebesar besarnya kepada:

1. Prof. Dr. Ana Hadiana, M.eng.Sc. Selaku Dekan Fakultas Teknik Universitas

Perjuangan Tasikmalaya.

2. Ibu Gea Aristi, S.T., M.Kom. selaku Ketua Prodi Teknik Informatika

Universitas Perjuangan Tasikmalaya.

3. Prof Dr. Ana Hadiana, M.eng.Sc. Selaku Dosen Pembimbing I yang telah

memberikan bimbingan, arahan dan saran dalam penyusunan laporan Usulan

penelitian ini.

4. Bapak Ruuhwan S.T., M.Kom. Selaku Dosen Pembimbing II yang telah

memberikan bimbingan, arahan dan saran dalam penyusunan laporan Usulan

penelitian ini

5. Ibu Gea Aristi, S.T., M.Kom. Selaku Dosen wali.

6. Seluruh staf dosen pengajar serta segenap karyawan di lingkungan Fakultas

Teknik Universitas Perjuangan.

7. Kedua orang tua dan keluarga besar yang menjadi motivasi terbesar dan

membantu penulis selama ini.

8. Rekan-rekan Mahasiswa Universitas Perjuangan Prodi Teknik Informatika

khususnya kelas B 2017 yang selalu menemani, memberikan motivasi dan juga

dukungannya sehingga dapat menyelesaikan laporan usulan penelitian ini.

Wassalamu’alaikum Wr.Wb.

Tasikmalaya, 07 Juli 2022

Penulis

Gani Ahmad Wildan

NIM. 1703010043
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Kedai Bilqis didirikan pada tahun 2017 di Tasikmalaya dengan ide awal hanya

menjual menu makanan sederhana khas Sunda seperti karedok, pecel dan gorengan

saja, namun sejak 2018 Kedai Bilqis mulai menambahkan menu makanannya seiring

diikuti permintaan pelanggan yang menginginkan menu lain namun ingin tetap

membeli di kedai Bilqis yang akhirnya menambahkan menu seperti nasi goreng

original, nasi goreng hijau, kwetiaw, mie tek-tek dan ayam geprek. Disamping itu

dengan bertambahnya menu makanan yang tersedia, bertambah pula tingkat

penjualannya. Oleh karena itu pihak Kedai Bilqis tidak luput untuk menggunakan

teknologi informasi guna mendukung kelancaran penjualan produk-produk makanan

yang disediakan.

Tidak dipungkiri bahwa penggunaan teknologi informasi menjadi sebuah

keharusan pada saat ini, dengan melihat pesat dan ketatnya persaingan bisnis di bidang

tersebut, karena pada dasarnya bisnis itu tidak berjalan di ruang yang tertutup, oleh

karena itu keberhasilan dalam menjalankan sebuah bisnis tidak bergantung pada

bagaimana cara menjalankan bisnis, akan tetapi pada bagaimana cara menjalankannya

jika dibandingkan dengan yang lainnya.

 Cara agar membuat perbedaan terletak pada pemakaian data-data yang tersimpan

pada sistem yang digunakan untuk keperluan bisnis sehari-hari. Hasil utama dari

pengolahan data tersebut yaitu kemampuan untuk memprediksi fakta di ruang lingkup

bisnis. Hal dapat membuat tindakan yang proaktif dibandingkan hanya reaktif. Data

memberikan nilai pengetahuan yang sangat baik untuk masa depan. Dengan data

tersebut dapat terbantu untuk mengoperasikan bisnis secara optimal, yaitu dengan cara

mengembangkan bisnis secara optimal dan maksimal. Masalah utamanya adalah

bagaimana cara mendapatkan pengetahuan ini dari data yang dimiliki. Kuncinya

adalah dengan data mining, yang menjadi teknik paling populer guna membangun

sistem pendukung keputusan yang cerdas sehingga dapat membangun sebuah bisnis

lebih efisien. (Yulianton, 2018)

Berdasarkan latar belakang tersebut maka penelitian skripsi ini mengambil judul

“PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA FP-GROWTH

UNTUK MENENTUKAN PEMBELIAN MAKANAN DI KEDAI BILQIS”.

Algoritma FP-Growth merupakan salah satu alternatif yang dapat digunakan untuk

menentukan himpunan data yang paling sering muncul (frequent itemset) dalam

sebuah kumpulan data. Pada algoritma FP-Growth menggunakan konsep pencarian

frequent itemset, seperti yang dilakukan pada algoritma Apriori. Dengan menggunakan

konsep tersebut, algoritma FP-Growth menjadi lebih cepat daripada algoritma Apriori.
1.2 Rumusan Masalah

Berdasarkan masalah di atas, maka penulis merumuskan masalah sebagai

berikut :

a Bagaimana menentukan pola pembelian produk makanan.

b Bagaimana melakukan pengujian Metode dengan Rapidminer sehingga

menghasilkan penyelesaian masalah mencari strategi promosi yang tepat.

1.3 Batasan Masalah

Dalam penulisan skripsi ini terdapat batasan-batasan agar apa yang diteliti

sesuai dengan tujuan penilitian, adapun disini tedapat beberapa batasan-batasan

tersebut :

a Informasi yang diperoleh beruapa produk yang sering dipesan oleh pelanggan

secara bersamaan berdasarkan persentase nilai minimum support dan confidence.

b Penerapan metode pada penelitian ini dibatasi hanya menggunakan metode FP-

Growth.

1.4 Tujuan Penelitian

Sejalan dengan rumusan masalah di atas, tugas akhir ini disusun dengan

tujuan untuk mengetahui:

a Mengimplementasikan metode Fp-Growth dengan menggunakan tools

rapidminer untuk mengetahui pola pembelian produk makanan di Kedai

Bilqis.

b Menentukan menu makanan mana yang paling sering muncul dan saling

berhubungan atau yang paling sering dibeli secara bersamaan.

1.5 Manfaat Penelitian

Penulis mengharapkan dengan penilitian ini dapat memberikan kegunaan baik

secara teoritis maupun secara praktis. Secara teoretis, penelitian ini berguna untuk

menambah wawasan, terutama tentang hal yang berkaitan dengan promosi dan

pemasaran produk. Manfaat nya antara lain yaitu :

a. Manfaat Penulis

Manfaat bagi penulis adalah sebagai wahana latihan dan pengembangan

kemampuan dalam bidang penelitian dan penerapan teori yang telah diperoleh

di perkuliahan.

b. Manfaat Masyarakat

Mengetahui algoritma FP-Growth dapat memberikan referensi dan

alternatif pengetahuan terhadap mahasiswa / masyarakat tentang

menemukan strategi dalam promosi penjualan produk menu makanan.

 c. Manfaat Institusi

Menemukan hasil produk apa saja yang sering muncul sehingga bisa

digunakan dalam strategi pemasaran dan juga meningkatkan promosi

produk di tempat penelitian yaitu di Kedai Bilqis.

1.6 Metode Penelitian

Di tahap ini dilakukan dengan mempelajari teori dasar yang mendukung

penelitian, pencarian dan pengumpulan data-data yang dibutuhkan. Untuk

mengumpulkan data yang dibutuhkan, maka penulis memakai teknik :

a. Fp-Growth

Menggunakan Metode Fp-growth merupakan salah satu alternatif algoritma

yang dapat digunakan untuk menentukan himpunan data yang paling sering

muncul (frequent itemset) dalam sebuah kumpulan data. Metode juga suatu cara

yang sistematik untuk mengerjakan suatu permasalahan.

b. Pengamatan Langsung (Observation)

Penulis melakukan pengamatan secara langsung ke tempat penelitian yang

ingin diperoleh yaitu bagian-bagian terpenting dalam pengambilan data atau

informasi yang berkaitan dengan penelitian pada Kedai Bilqis.

c. Wawancara (Interview)

Pada teknik ini secara langsung bertatap muka dengan pihak yang

bersangkutan untuk pendekatan penelitian kualitatif dapat dilakukan dengan

 mengajukan beberapa pertanyaan baik secara lisan maupun tulisan terhadap

pihak-pihak yang bersangkutan untuk memperoleh data-data yang diperlukan.

1.7 Sistematika Penulisan

Penulisan skripsi ini disusun dari beberapa bab sebagai berikut :

a BAB I : Pendahuluan, dalam hal ini penulis menguraikan tentang latar

belakang,rumusan masalah,batasan masalah,tujuan penelitian,manfaat

penelitian,metodologi penelitian dan sistematika penulisan.

b BAB II : Landasan teori, yaitu bagian bab yang menjelaskan kajian Pustaka

baik dari buku ilmiah, maunpun dari sumber yang mendukung penelitian.

c BAB III : Metodologi, yaitu bagian bab yang menjelaskan mengenai objek

penelitian,metode penelitian,metode pengumpulan data, dan metode analisis

data.

d BAB IV : Hasil dan pembahasan, yaitu bab yang mengurai hasil dari

penelitian dan data yang diperoleh

e BAB V : Kesimpulan dan saran, yaitu bab yang menjelaskan hasil dari

penelitian dan saran dari hasil yang penelitian.

 BAB II
LANDASAN TEORI

2.1. Data Mining

Data mining adalah penemuan atau penambangan informasi yang baru

mencari pattern atau aturan-aturan tertentu dari beberapa data yang sangat besar.

Data mining sering diartikan sebagai langkah-langkah untuk menemukan pola-

pola dalam data. Pada proses ini akan otomatis atau seringnya semiotomatis.

Pattern yang telah ditemukan harus penuh arti dan pattern tersebut harus

memberikan sebuah keuntungan, biasanya keuntungan secara ekonomi, data yang

dibutuhkan dalam jumlah besar (Darmawan, 2018).

Data mining, atau yang sering disebut dengan KDD (knowledge discovery in

database) adalah kegiatan yang meliputi pemakaian data, historis untuk

menemukan keteraturan, pola atau hubungan dalam set data yang berukuran besar.

b.1.1 Karakteristik Data Mining

Berikut adalah beberapa karasteristik dari data mining :

a. Data mining selalu berhubungan dengan suatu penemuan yang

tersembunyi dan pola data-data tertentu yang belum diketahui

sebelumnya.

b. Data mining sering berhubungan dengan data yang sangat besar.

 c. Data mining berguna untuk membuat keputusan yang kritis, terutama

dalam strategi di dunia bisnis.

b.1.2 Tahapan Data Mining

Berikut adalah beberapa tahapan data mining :

a. Pembersihan data (data cleaning)

Merupakan sebuah proses yang menghilangkan noise dan data yang

tidak konsisten atau data tidak relevan.

b. Integrasi data (data integration)

Merupakan sebuah proses penggabungan data dari berbagai database ke

dalam satu database yang baru.

c. Seleksi Data (Data Selection)

Data yang terdapat di database tidak selalu digunakan semuanya, oleh

karena itu hanya data yang sesuai untuk dianalisis yang akan diambil dari

database.

d. Data Transformasi (Data Transformation)

Sebuah proses di mana data diubah atau digabungkan ke dalam format

yang sesuai untuk diproses ke dalam data mining.

e. Proses Mining

Merupakan proses utama ketika metode diterapkan untuk menemukan

pengetahuan berharga dan tersembunyi dari data.

f. Evaluasi Pola (Pattern Evaluation)

 Pada proses ini data-data diidentifikasi untuk menemukan pola-pola

menarik kedalam knowledge based yang ditemukan.

g. Presentasi pengetahuan

Merupakan sebuah visualisasi dan penyajian pengetahuan mengenai

metode yang digunakan untuk memperoleh pengetahuan yang diperoleh

pengguna. Didalam proses ini, visualisasi juga dapat membantu

menghubungkan hasil data mining. (Santoso, 2019)

Gambar 2. 1 (Fatmawati, 2018)

b.2 Kedai Bilqis

 Pada awalnya kedai Bilqis yang berdiri sejak 2017 merupakan sebuah kedai

makanan sederhana khas sunda yang hanya menyediakan beberapa menu,

kemudian berkembang menjadi Kedai yang menjual banyak menu makanan khas

sunda.

Kedai Bilqis juga sudah bisa dibeli lewat pemesanan online. Namun pengolahan

datanya masih manual yang hanya ditulis dibuku besar. Oleh karena itu dengan

hadirnya penulis disini ingin membantu agar pengolahan data bisa terprediksi

menggunakan data mining yang dimana dapat mengetahui menu apa saja yang

harus ditingkatkan kuantitasnya, juga dapat membuat sebuah strategi bisnis baru

kedapannya.

b.3 Association rules

Association rules merupakan salah satu metode yang bertujuan mencari pola

yang sering muncul diantara banyak transaksi, dimana setiap transaksi terdiri dari

beberapa item. Sehingga metode ini akan menemukan hubungan antar item. Ini

mungkin memerlukan pembacaan data transaksi secara berulang-ulang dalam jumlah

data transaksi yang besar untuk menemukan pola hubungan yang berbeda-beda.

Metode dasar analisis asosiasi terbagi menjadi tiga tahap:

a. Analisis pola frekuensi tinggi.

Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai

support dalam database. Support merupakan suatu ukuran yang menunjukkan

 seberapa besar tingkat dominasi suatu item atau itemset dari keseluruhan

transaksi. Nilai support 1 item diperoleh dari rumus (1), sedangkan nilai support

2 item diperoleh dari rumus (2).

(1)

(2)

Rumus 2. 1

b. Pembentukan aturan asosiatif

Setelah semua pola frekuensi tinggi ditemukan, kemudian dicari aturan

asosiatif yang memenuhi confidence dengan menghitung confidence aturan

assosiatif A→B. Confidence merupakan suatu ukuran yang menunjukkan

hubungan antara dua item secara kondisional (Contoh: seberapa sering item B

dibeli jika pembeli membeli item A) yang dinotasikan dengan:

(3)

Rumus 2. 2

c. Proses Perhitungan Lift Ratio

Lift ratio adalah suatu ukuran (parameter) untuk mengetahui kekuatan aturan

asosiasi (association rule) yang telah dibentuk dari nilai support dan confidence.
 Nilai lift ratio biasanya digunakan sebagai penentu apakah aturan asosiasi valid

atau tidak valid. (Simanjuntak, 2020)

(4)

(5)

Rumus 2. 3

b.4 Algoritma FP-Growth

Algoritma FP-Growth adalah salah satu alternatif algoritma yang dapat

digunakan untuk Frequent Pattern Growth (FP-Growth) menentukan himpunan data

yang paling sering muncul (frequent itemset) dalam sebuah kumpulan data.

Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori.

Sehingga kekurangan dari algoritma Apriori diperbaiki oleh algoritma FP-Growth.

(Fajrin, 2018)

Metode FP-Growth memiliki 3 tahapan utama yaitu sebagai:

1. Tahap Pembangkitan Conditional Pattern Base. Conditional Pattern Base adalah

sebuah sub database yang berisi prefix path dan juga suffix pattern. Dengan cara

FP Tree yang sebelumnya, pembangkitan Conditional Pattern Base ini dapat

dilakukan.
2. Tahap Pembangkitan Conditional FP-Tree. Pada bagian ini, support count dari

setiap item pada setiap conditional pattern base dihitung dan dijumlahkan,

kemudian setiap item yang memiliki jumlah support count lebih besar atau sama

dengan minimum support count yang akan dibangkitkan menggunakan conditional

FP-Tree.

3. Tahap Pencarian Frequent Pattern Apabila conditional FP-Tree merupakan

sebuah jalur mandiri (single path), maka akan didapatkan frequent pattern dengan

melakukan penggabungan item untuk setiap conditional FP-Tree. Jika bukan

single path, maka dilakukan pembangkitan FP-Growth secara rekursif atau

memanggil dirinya sendiri. (Christianto, 2018).

Metode FP-Growth yang menghasilkan Frequent itemset tanpa melakukan

candidates generation. Dengan tujuan untuk mendapatkan pengetahuan yang baru

berupa informasi tentang strategi promosi yang efektif dan efisien. Berikut ini

adalah langkah-langkah dan rumus dari metode FP-Growth :

 Gambar 2. 2 (Tarigan, 2021)

Berikut penjelasan mengenai Alur Flow Chart :

1. Menginputkan data-data yang akan dikelompokkan.

2. Menyusun frekuensi kemunculan ataupun menghitung total setiap item.

3. Tentukan minimum support yaitu 30%.

4. Membuang list item yang tidak memenuhi minimum support.

5. Mengurutkan item pada setiap transaksi berdasarkan frekuensi paling tinggi.

6. Hitung nilai Support A dan nilai Confidence

7. Mencari nilai akhir.

b.5 Rapid Miner

Rapid Miner adalah platform perangkat lunak data ilmu pengetahuan yang

dikembangkan oleh perusahaan dengan nama yang sama, yang menyediakan

lingkungan terpadu untuk pembelajaran mesin (machine learning), pembelajaran

mendalam (deep learning), penambangan teks (text mining), dan analisis prediktif

(predictive analytics). Aplikasi ini digunakan untuk aplikasi bisnis dan komersial

serta untuk penelitian, pendidikan, pelatihan, pembuatan prototype dengan cepat, dan
pengembangan aplikasi serta mendukung semua langkah proses pembelajaran mesin

termasuk persiapan data, visualisasi hasil, validasi dan pengoptimalan. (Nofitri, 2019)

Proses sistem terdiri dari beberapa langkah untuk dapat menemukan aturan

asosiasi yang berfungsi untuk menemukan pola keterkaitan antar kompetensi yaitu:

1. Pengambilan data yang sudah melalui tahap preprocessing untuk

digunakan saat proses penambangan data.

2. Penentuan minimum support dan minimum confidence yang berfungsi

dalam menentukan aturan asosiasi.

3. Proses asosiasi untuk mencari pola keterkaitan kompetensi dijalankan.

4. Analisis hasil asosiasi terhadap proses penambangan data yang telah

dijalankan.

b.6 Penjualan Online

E-commerce atau Penjualan Online (electronic commerce atau e-commerce)

adalah penyebaran, pembelian, penjualan, pemasaran barang dan jasa melalui

sistem elektronik seperti internet atau televisi, www, atau jaringan komputer

lainnya. E-commerce dapat melibatkan transfer dana elektronik, pertukaran data

elektronik, sistem manajemen inventori otomatis, dan sistem pengumpulan data

otomatis. (Nugroho, 2018).

 Dengan menggunakan teknik penjualan secara online bisa mendapatkan

pelanggan lebih luas lagi, alhasil pengolahan data yang menggunakan data mining

dapat lebih terstruktur dan lebih bisa dimaksimalkan lagi.

b.7 Penelitian Sebelumnya

Berikut artikel terkait dengan model penelitian mengenai data mining

menggunakan algoritma FP-Growth :

Tabel 2. 1 menjelaskan tentang beberapa penelitian terkait dengan penelitian skripsi ini sebagai berikut.
Nama Penulis, Perbedaan
Tahun dan Judul Hasil Penelitian Penelitian Terdahulu Rencana Penelitian
(Abdullah, 2018) Sistem yang dibangun -Penelitian menggunakan -Penelitian hanya dengan
telah dapat memberikan aplikasi berbasis web. Analisis dibantu dengan 2
Rekomendasi paket rekomendasi paket software
produk guna produk yang sesuai -Penelitian dilakukan
meningkatkan dengan -Penelitian hanya
dengan keragaman Beberapa orang anggota. dilakukan
penjualan dengan keinginan konsumen. satu orang saja
metode fp-growth Penentuan rekomendasi
paket produk dihitung
berdasarkan tingkat
frekuensi item yang
dibeli oleh konsumen
dengan memperhatikan
minimum support yang
telah ditetapkan.

(Setiawan, 2019) Penelitian dari 1 bulan Nilai support 20 % Nilai support 30 % dan
transaksi yang terjadi di confident 60 % nilai confident 70 %
Penentuan Pola Indomaret GKB untuk
Pembelian Konsumen menentukan pasangan
pada Indomaret GKB item yang bersama dibeli
Gresik dengan dalam satu transaksi
Metode FP-Growth hanya memiliki nilai
minimum support sangat
kecil yaitu 0.00125 atau
0.125% itupun hanya
terdapat 4 pasang item
dengan nilai minimum
confidence 25%.
(Meilani, 2018) Dengan menggunakan Menentukan pola yang Menentukan pola yang
algoritma fp-growth sering muncul untuk sering muncul untuk
Penentuan Pola Yang dapat menghasilkan pola penerima kartu jaminan pembelian makanan
Sering Muncul Untuk - pola yang sering kesehatan masyarakat
Penerima Kartu muncul pada penerima
Jaminan Kesehatan kartu jamkesmas
Masyarakat berdasarkan kriteria
(Jamkesmas) miskin antara lain luas
Menggunakan Metode lantai, jenis lantai, jenis
Fp-Growth dinding, fasilitas bab,
 sumber air, bahan bakar
masak, pendapatan,
pendidikan, aset.

Nama Penulis, Tahun Perbedaan

Hasil Penelitian
dan Judul Penelitian Terdahulu Rencana Penelitian
(Junaidi, 2019) Secara keseluruhan dari Minimal nilai support Minimal nilai support
data sampel penjualan adalah 60 % dan nilai adalah 30 % dan nilai
Implementasi diperoleh 152 rule yang confident adalah 90%. confident adalah 70%
Algoritma Apriori dan terdiri dari 24 rule
FP-Growth Untuk asosiasi yang memenuhi
Menentukan support dengan ambang
Persediaan Barang batas 60% dan 108 rule
yang memenuhi
confidence 90%
 BAB III

METODOLOGI PENELITIAN

3.1 Objek Penelitian

Dalam menyelesaikan penelitian ini tentunya membutuhkan tempat dan waktu

penelitian yang mendukung penyelesaian. Skripsi ini ditulis dengan cukup lama

yakni selama berbulan-bulan.

Penulisan skripsi ini dilaksanakan di Kedai Bilqis Kota Tasikmalaya, dengan

tema penjualan makanan khas Sunda yang sederhana.

3.1.1. Waktu dan Jadwal Pelaksanaan Penelitian

Waktu dan jadwal yang digunakan untuk penelitian penerapan data mining

menggunakan algoritma FP-Growth untuk menentukan pola pembelian produk

makanan ini ditunjukan pada Tabel sebagai berikut :

Tabel 3. 1
Jadwal Penelitian

No Waktu
Maret April Mei Juni Juli

1 Perencanaan
2 Pengumpulan
Data
3 Analisis Data Dan
Perancangan
Sistem
4 Pengujian Sistem
3.1.2. Bahan dan Alat Penelitian

Dalam pembuatan skripsi ini, dibutuhkan alat dan bahan yang digunakan dalam

penelitian tugas akhir ini, diantaranya adalah :

a. Hardware (Perangkat Keras)

Perangkat keras yang digunakan dalam penelitian skripsi ini menggunakan

perangkat sebagai berikut :

Tabel 3. 2
No Nama Perangkat Keras

1 Processor core i2 Core 2,58 Ghz

2 Kapasitas Harddisk 500 GB

3 Besar Memory RAM 4 GB

b. Software (Perangkat Lunak)

Software (Perangkat Lunak) yang digunakan dalam penelitian ini adalah

sebagai berikut :

Tabel 3. 3
No Nama Perangkat Lunak
1 Windows 10 64 bit
2 Microsoft Office Excel
3 RapidMiner
3.2 Metodologi Penelitian

Pada metode penelitian penulis yang melakukan analisis terhadap masing

masing cara penerapan data mining dalam analisis penulis melakukan penelitian

dengan metode Fp-Growth. FP-growth adalah salah satu alternatif algoritma yang

dapat digunakan untuk menentukan himpunan data yang paling sering muncul

(frequent itemset) dalam sebuah kumpulan data.

Pada tahap perancangan awal sebuah metodelogi Fp-Growth untuk di

implementasikan pada penelitian penulis. Maka diperlukan tahapan- tahapan proses

pengerjaan program yang dibuat. Dalam metode Fp-Growth terdapat beberapa

tahapan yaitu :
 Gambar 3. 1 (Permata, 2020)

Berikut adalah rancangan FP Growth sebagai berikut:

1. Mendeskripsikan masalah

Mendeskripsikan masalah adalah menjelaskan tentang masalah yang terjadi dalam

penelitian secara terstuktur dan sistematis untuk mendukung dalam mengambil

keputusan yang lebih baik dan tepat. Masalah yang dideskripsikan dalam penelitian ini

adalah untuk mendapatkan strategi promosi yang efektif dan efisien dalam

mendapatkan customer.

2. Mempelajari Literatur

Pada tahap ini literatur yang akan digunakan sebagai bahan referensi untuk

mendukung penyelesaian permasalahan dalam penelitian adalah dari jurnal

internasional, nasional dan buku tentang Data Mining. Literatur-literatur ini akan

dijadikan pedoman oleh peneliti untuk mempermudah proses penelitian.

3. Mengumpulkan Data

Dalam pengumpulan data dilakukan observasi yaitu dengan cara melakukan

pengamatan langsung ke Kedai Bilqis. Kemudian melakukan wawancara dengan tim

manajemen untuk mengetahui bagaimana teknik yang digunakan. Setelah itu peneliti

mengambil sampel database penjualan untuk diolah datanya untuk mengetahui barang

apa saja yang digemari customer untuk menentukan strategi berikutnya.

4. Analisis

Menganalisis masalah adalah tahapan dimana peneliti menganalisis permasalahan

yang ada dan menetukan ruang lingkup beserta batasan permasalahan yang akan

diteliti, sehingga tujuan penelitian lebih terarah.

5. Perancangan

Pada tahap ini peneliti melakukan pengolahan data menggunakan teknik

Association Rule dengan algoritma FP-Growth, setelah hasil pengolahan data secara

manual di peroleh, langkah selanjutnya dilakukan pengujian dengan sistem yang telah

dirancang.

6. Implementasi

Setelah tahapan perancangan, maka langkah selanjutnya adalah tahap implementasi

dengan sistem yang akan dirancang oleh peneliti agar pihak toko lebih mudah untuk

mengetahui produk yang sering dibeli konsumen dalam waktu bersamaan.

7. Pengujian Hasil

Pada tahap pengujian hasil ini peneliti menggunakan sistem yang peneliti rancang

sendiri. Pengujian dilakukan dengan menggunakan data sampel penjualan. Sistem yang

dirancang oleh peneliti bertujuan untuk bisa digunakan secara mudah oleh pihak toko,

dengan cara pihak toko menginput data penjualan ke Ms.Excel dan mengimport ke

dalam database sistem yang telah dirancang, kemudian sistem akan menampilkan

produk yang sering dibeli oleh konsumen secara bersamaan.

8. Evaluasi Langkah

Selanjutnya adalah peneliti melakukan evaluasi terhadap hasil yang diolah secara

manual dengan hasil yang diuji dengan sistem, jika terjadi perbedaan hasil maka

peneliti perlu melakukan perbaikan untuk menyamankan hasilnya.

 DAFTAR PUSTAKA

Abdullah, A. (2018). Rekomendasi Paket Produk Guna Meningkatkan Penjualan Dengan

Metode FP-Growth. Jurnal Ilmu Komputer dan Informatika Vol. 4 No. 1 .
Christianto. (2018). IMPLEMENTASI ALGORITME FP-GROWTH UNTUK MARKET
BASKET ANALYSIS DALAM MENENTUKAN PRODUCT BUNDLING.
Faculty of Informatics Engineering, Institut Teknologi Harapan Bangsa Vol.2
No.11.
Darmawan. (2018). IMPLEMENTASI DATA MINING MENGGUNAKAN MODEL
SVM UNTUK PREDIKSI KEPUASAN PENGUNJUNG TAMAN TABEBUYA.
Jurnal String Vol. 2 No. 3.
Fajrin. (2018). PENERAPAN DATA MINING UNTUK ANALISIS POLA PEMBELIAN
KONSUMEN DENGAN ALGORITMA FPGROWTH PADA DATA
TRANSAKSI PENJUALAN SPARE PART MOTOR. Kumpulan jurnaL Ilmu
Komputer (KLIK) Vol 05 No.01.
Fatmawati. (2018). DATA MINING: PENERAPAN RAPIDMINER DENGAN K-MEANS
CLUSTER PADA DAERAH TERJANGKIT DEMAM BERDARAH DENGUE
(DBD) BERDASARKAN PROVINSI. CESS (Journal of Computer Engineering
System and Science) Vol. 3 No. 2.
Junaidi, A. (2019). Implementasi Algoritma Apriori dan FP-Growth Untuk Menentukan
Persediaan Barang . Jurnal SISFOKOM, Volume 08, Nomor 01.
Meilani. (2018). PENENTUAN POLA YANG SERING MUNCUL UNTUK PENERIMA
KARTU JAMINAN KESEHATAN MASYARAKAT (JAMKESMAS)
MENGGUNAKAN METODE FP-GROWTH. Seminar Nasional “Inovasi dalam
Desain dan Teknologi" Vol.04 No.05.
Nofitri. (2019). ANALISIS DATA HASIL KEUNTUNGAN MENGGUNAKAN
SOFTWARE RAPIDMINER. JURTEKSI (Jurnal Teknologi dan Sistem Informasi)
Vol. V No. 2.
Nugroho, F. E. (2018). PERANCANGAN SISTEM INFORMASI PENJUALAN ONLINE
STUDI KASUS TOKOKU. Jurnal SIMETRIS, Vol 7 No 2.
Permata, B. Y. (2020). ALGORITMA FP-GROWTH UNTUK MENGANALISA POLA
PEMBELIAN OLEH-OLEH (STUDI KASUS DI PUSAT OLEH-OLEH UMMI
AUFA HAKIM). Riau Journal of Computer Science Vol.06 No.01.
Santoso. (2019). Seminar Nasional Teknologi Informasi dan Multimedia 2016. DATA
MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN
METODE ALGORITMA APRIORI Vol.2 No.11.
Setiawan. (2019). Penentuan Pola Pembelian Konsumen pada Indomaret GKB Gresik
dengan Metode FP-Growth. Jurnal Nasional Komputasi dan Teknologi Informasi
Vol. 2 No. 2.
Simanjuntak. (2020). Analisa Data Mining Menggunakan Frequent Pattern Growth pada
Data Transaksi Penjualan PT Mora Telematika Indonesia untuk Rekomendasi
Strategi Pemasaran Produk Internet. JURNAL MEDIA INFORMATIKA
BUDIDARMA Vol 4 Nomor 4.
Tarigan. (2021). Implementasi Data Mining Menentukan Pola Penjualan Produk Toko
Perabot Dua Bersaudara Kutalimbaru Dengan Menggunakan Fp-Growth. Jurnal
CyberTech Vol.1. No.2.
Yulianton, H. (2018). Data Mining untuk Dunia Bisnis. Jurnal Teknologi Informasi
DINAMIK Vol XII No VI.